基于经验模态分解和神经网络的水电机组振动故障诊断
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的背景和意义 | 第8-9页 |
| 1.2 信号特征提取及故障诊断方法综述 | 第9-13页 |
| 1.2.1 信号特征提取方法综述 | 第9-11页 |
| 1.2.2 故障诊断方法综述 | 第11-13页 |
| 1.3 论文的内容与结构 | 第13-15页 |
| 2 水电机组及其故障理论 | 第15-25页 |
| 2.1 水轮机及其结构 | 第15-19页 |
| 2.1.1 水轮机工作原理 | 第15页 |
| 2.1.2 不同种类水轮机的结构 | 第15-19页 |
| 2.2 水电机组常见故障 | 第19-22页 |
| 2.2.1 水轮机功率不足 | 第20页 |
| 2.2.2 水轮机抬机事故 | 第20-21页 |
| 2.2.3 轴承温度过高 | 第21页 |
| 2.2.4 水力机组振动 | 第21-22页 |
| 2.2.5 其他类型故障 | 第22页 |
| 2.3 水电机组防振减振 | 第22-24页 |
| 2.3.1 消除尾水管涡带造成的振动 | 第23页 |
| 2.3.2 消除叶片卡门涡街造成的振动 | 第23页 |
| 2.3.3 消除机组功率摆动造成的振动 | 第23-24页 |
| 2.3.4 其他防振减振措施 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 振动信号的预处理 | 第25-40页 |
| 3.1 引言 | 第25页 |
| 3.2 经验模态降噪理论 | 第25-29页 |
| 3.2.1 基础概念 | 第25-26页 |
| 3.2.2 经验模态分解 | 第26-28页 |
| 3.2.3 经验模态分解的特性 | 第28-29页 |
| 3.2.4 去噪方法 | 第29页 |
| 3.3 经验模态降噪理论的改进 | 第29-33页 |
| 3.3.1 经验模态降噪存在的问题 | 第30页 |
| 3.3.2 自相关函数 | 第30-31页 |
| 3.3.3 阈值去噪方法 | 第31-33页 |
| 3.3.4 改进降噪方法流程 | 第33页 |
| 3.4 仿真信号的降噪结果分析 | 第33-38页 |
| 3.5 水电机组振动信号降噪实际操作 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 振动信号的特征提取 | 第40-53页 |
| 4.1 引言 | 第40页 |
| 4.2 经验模态分解存在的问题 | 第40-44页 |
| 4.2.1 端点效应 | 第40-42页 |
| 4.2.2 模态混叠 | 第42-44页 |
| 4.3 经验模态分解的改进 | 第44-48页 |
| 4.3.1 抑制端点效应 | 第44-46页 |
| 4.3.2 处理模态混叠 | 第46-48页 |
| 4.4 无量纲特征参数 | 第48-50页 |
| 4.5 振动信号特征提取实际操作 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 水电机组故障诊断 | 第53-64页 |
| 5.1 引言 | 第53页 |
| 5.2 人工神经网络 | 第53-59页 |
| 5.2.1 人工神经元数学模型 | 第53-55页 |
| 5.2.2 人工神经网络模型 | 第55-56页 |
| 5.2.3 人工神经网络特点 | 第56-57页 |
| 5.2.4 标准BP神经网络 | 第57-59页 |
| 5.3 BP神经网络的改进 | 第59-60页 |
| 5.3.1 误差负梯度算法的改进 | 第59页 |
| 5.3.2 新型数值优化算法 | 第59-60页 |
| 5.4 水电机组振动信号故障诊断实际操作 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
